Geen datanirwana zonder dat je de Nelson rules kent
Denk na over je volgende stap in datamanagement
Ben jij ook zo druk met data? Vormt een datamanagementplatform (DMP) al het hart van jouw marketingstrategie? Vooralsnog is je DMP waarschijnlijk meer het hart van online advertising, maar zeer binnenkort zul jij veel meer touchpoints gaan optimaliseren: je gaat werken aan een naadloze journey voor je klant. Jij zet daarvoor zelflerende algoritmes in op weg naar data-driven marketing. Jij realiseert descriptiveness, predictiveness en prescriptiveness. Maar voordat het zover is, zou je eerst de regels van Dr. Lloyd S. Nelson moeten leren kennen.
Datamanagementplatformen
De markt van datamanagementsoftware durf ik gerust als onvolwassen te bestempelen. Klik maar eens langs een paar DMP aanbieders en jou wordt “de ultieme staat van datamanagement” beloofd, een heus datanirwana.
De DMP’s van nu integreren alle mogelijke databronnen en beloven kanaalbeperkingen op te heffen. DMP’s laten je zien wat je klanten doen, wat er met je klanten kan gebeuren en wat je moet doen om ze beter te bedienen. Implementatiepartners lokken je met mooie teksten als ‘single source of truth’ of ‘built for IT, and designed for marketers’. Het klinkt op zich allemaal veelbelovend, maar de realiteit is anders.
Ook al is je DMP nog zo krachtig, het blijft een rekenmachine, een hulpmiddel. Het échte denkwerk moet toch echt van jou komen.
Welke stappen?
Ik spreek vaak met managers uit finance, ICT, zorg, retail en de publieke sector. Dan gaat het over strategie, marketing, digitalisering en data. Wat me opvalt? Data-driven marketing wordt vooral geassocieerd met optimaliseren, met voordeliger uit zijn. En dan vaak ook alleen binnen advertising. Maar er is een groter plaatje, zeggen veel van diezelfde managers, gelukkig.
De echte vooruitdenkers draaien het om. Het omgekeerde van besparen is voor hen waarde creëren. En ze kijken verder dan de paar touchpoints die een advertentiecampagne vormen. De vraag voor hen is hoe je waardevoller kunt worden in een veel langere journey van je klant (meer touchpoints achter elkaar) en hoe je waardevoller kunt worden in de relatie met je klant (alle customer journeys bij elkaar).
Dat brengt mij tot de kernvraag van dit artikel: als er DMP’s bestaan en veel organisaties een sterke visie op het toepassen ervan hebben, hoe komen we dan tot echte data-driven marketing? En wat belet ons de volgende stap te zetten?
De grootste barrière
Wij, de marketeers, zijn in de grootste barrière op weg naar data-driven marketing. We voelen ons klantkenners en business developers. We denken creatief en het liefst buiten het boekje. We zijn altijd gek op iets nieuws en geloven ook nog eens dat er altijd nieuwe technieken nodig zijn om betere ideeën te realiseren. Vaak omdat we ons niet echt durven te verdiepen in wat er al is.
Dat komt omdat we lui zijn. Of omdat we ons niet in de complexiteit van datavraagstukken durven te verdiepen.
De wereld waar we wars van zijn, is die van onze collega’s: de echte dataspecialisten, de techneuten, die bètajongens. Zij denken alleen maar vanuit hun eigen architecturen, frameworks en processen. En ze kijken zo anders naar data dan dat wij dat doen.
Datamanagement draait om mensen
Mensen vormen altijd en in iedere organisatie de versperringen naar groei. Commercie staat tegenover productie, communicatiemensen denken dat ze marketeers zijn, de managers begrijpen de specialisten niet, de directie duwt tegen de managers, de gamma’s zijn tegen de bèta’s of de alpha’s. En andersom.
En wie doorbreekt die impasses? Wie loopt er naar de andere kant van de gang? Wie brengt datagestuurde innovatie nou echt dichterbij? Ben jij het, marketeer?
Ga terug naar je wiskundeboeken!
Laten we eerlijk zijn. De meeste marketeers zijn mooie praters en hebben een hekel aan wiskunde. Toch moeten we eraan, we moeten leren om meer van data te gaan snappen om de impasse te doorbreken.
Als je iets wil bereiken betekent dat voor 80 procent transpiratie en voor 20 procent inspiratie.” – Roel Brand, de vader van de auteur van dit artikel
Een datadoorbraak vraagt dus niet per se om nieuwere platformen of technieken, maar vooral een andere mentaliteit: wij marketeers moeten ons gaan verdiepen in wiskunde, kansberekening en statistiek.
Arjen en Gerard over de Nelson rules
Onlangs sprak ik twee zeer inspirerende mensen: de één met een achtergrond in process engineering, de ander in wiskunde. Ik zal hier geen promotiepraatje houden voor hun big-databedrijven en dus noem ik ze Arjen en Gerard.
Arjen kwam op de proppen met de ‘Nelson rules’ en vertelde hoe telecombedrijven die toepassen om te ontdekken waar de kwaliteit van hun netwerken verbeterd kan worden. Arjen wist mij te overtuigen dat iedere DMP eigenlijk ook een ‘Nelson rule-module’ zou moeten hebben.
Dr. Lloyd S. Nelson
Dr. Lloyd S. Nelson is wiskundige, statisticus, en de uitvinder van de Nelson rules. De Nelson rules zijn 8 regels die je helpen om opvallende afwijkingen binnen datastromen te spotten. Dat is nodig, want mensen zijn goed in het herkennen van patronen, maar minder als het gaat om onregelmatigheden.
Nelsons regels die daarbij helpen, zijn:
- Eén datapunt wijkt meer dan drie standaarddeviaties af van het gemiddelde.
- Negen (of meer) achtereenvolgende punten wijken aan dezelfde kant af van het gemiddelde.
- Zes (of meer) achtereenvolgende punten nemen steeds toe of af.
- Veertien (of meer) achtereenvolgende punten wijzigen onderling van richting, van toename naar afname.
- Twee (of drie) van drie achtereenvolgende punten wijken meer dan twee standaarddeviaties af van het gemiddelde, in dezelfde richting.
- Vier (of vijf) van vijf achtereenvolgende punten wijken meer dan één standaarddeviatie af van het gemiddelde, in dezelfde richting.
- Vijftien achtereenvolgende punten wijken minder dan één standaarddeviatie af van het gemiddelde, ongeacht in welke richting.
- Acht achtereenvolgende punten waarvan geen minder dan één standaarddeviatie af van het gemiddelde en de punten liggen in beide richtingen van het gemiddelde.
De Nelson rules (bron: GMcGlinn)
Deze regels helpen je dingen te ontdekken die je nu niet ziet. De Nelson rules zijn overigens niet uniek; de Western Electric rules en de regels van AIAG, Boeing en General Electric doen in essentie hetzelfde.
Gerard kende Nelsons regels niet, maar wist mij binnen no time uit te leggen hoe verzekeraars deze manier van analyseren kunnen toepassen op hun klantdata en daarmee gedrag ontdekken dat ze op basis van bestaande hypotheses niet zouden vinden.
Het kostte mij vervolgens een paar dagen om volledig te begrijpen tegen welke nieuwe datamogelijkheden ik aankeek. En in welke wiskundige theorieën ik me moest verdiepen om met Arjen en Gerard verder te kunnen praten. Ik moest echt even doorbijten op regressieanalyse, datasynchronisatie en inductief redeneren. Pittig, maar noodzakelijk.
Wat kun je dan met de Nelson rules?
De Nelson rules komen uit de wereld van proces- en informatietechnologie. Denk aan de control centers van Boeing, DSM of KPN. De mannen met Lean Six Sigma black belts. De regels worden veelal gebruikt voor kwaliteitsmonitoring en helpen om instabiele patronen te herkennen. Je zoekt de afwijkingen van het gemiddelde gedrag van je machines, processen en producten. Om het in statistisch jargon te zeggen: je kijkt naar meetwaarden die buiten de standaardafwijking van de mediaan vallen.
Die afwijkingen hoeven op zich niets te beteken, tenzij ze volgens Nelson opvallende waarden en/of patronen gaan vertonen. Wordt er een regel overtreden? Dan is er volgens ‘de wet van de grote getallen’ iets aan de hand. En gaat er in dat geval bij Boeing, DSM of KPN een oranje of rood lampje branden – het teken voor een engineer om op onderzoek uit te gaan.
Denk nu eens terug aan je DMP: heb jij behoefte aan signalen bij onverwachte en onvoorspelbare gebeurtenissen?
Meten wordt ontdekken
Mijn vraag eerder was: ga je met je DMP optimaliseren of waarde creëren? In DMP’s draait alles om optimalisatie, om meten is weten. Maar meten moet ook ontdekken zijn. Dan pas zet je de grote stappen in je markt.
The most important figures that one needs for management are unknown or unknowable – Dr. Lloyd S. Nelson
Hoe ontdek je tussen alle data de kleine signalen die van grote betekenis kunnen zijn? Hoe leg je de ‘unknown or unknowable’ patronen van je klant bloot? Door je dieper in data te verdiepen. Gaat er een oranje lampje branden bij Nelson rule nummer 7? Dan hebben 15 klanten met elkaar opvallend gedrag vertoond. Marketeer, op onderzoek!
Moet dat met de Nelson rules? Nee natuurlijk niet, grijp iedere kans aan om dieper in je cijfers te kruipen en op zoek te gaan naar onbekend klantgedrag. Maar het belangrijkste: maak die stap. Verdiep je in de nieuwe regels van marketing.
Mijn DMP-lessen
Datamanagementplatformen zijn in opkomst en beloven krachtige gereedschappen te worden. Wij marketeers zijn gek op nieuwe speeltjes, maar moeten eerst de (reken)regels leren van het nieuwe speelveld dat we voor ogen hebben. Dan pas kunnen we met data echt waardevol zijn voor onze klanten en onze organisatie. Daarbij moeten we niet denken vanuit optimalisatie, maar vanuit de volgende stap: waardecreatie. Aan het werk!
